Искусственный интеллект и Большие Данные. Без хайпа и наукообразия. Евгений Шуремов

Чтение книги онлайн.

СКАЧАТЬ геологов по вопросам оценки геологических ресурсов региона и конкретной местности на предмет возможности наличия полезных ископаемых, а также выработки рекомендаций относительно выбора мест для бурения.

      1980-е и 1990-е годы характеризовались охлаждением интереса к исследованиям в области ИИ из-за резкого несоответствия возможностей реальных разработок и возлагаемыми на них при начале проектирования надеждами. Оказалось, что на существующем уровне понимания процессов интеллектуальной деятельности адекватно воссоздать человеческий интеллект невозможно.

      В 1982 наметилось некоторое возрождение интереса к нейронным сетям. Теуво Кохонен предложил модели нейронной сетей, способных обучаться без учителя, решать задачи кластеризации и визуализации данных (самоорганизующаяся карта Кохонена) и некоторые другие задачи анализа данных.

      В 1986 несколькими исследователями независимо друг от друга существенно развит метод обратного распространения ошибки, что в последствии стало основой возрождения массового интереса исследователей ИИ к обучаемым нейронным сетям.

      В 1986 году Дэвид Румельхарт и Джеймс Макклеланд опубликовали фундаментальную работу «Параллельно распределенная обработка: исследование микроструктуры познания», которая до сих пор является настольной книгой исследователей в области когнитологии.

      В 1990-е годы продолжается исследование возможностей применения эволюционных алгоритмов в ИИ (Джон Коза: Генетическое программирование: компьютерное программирование средствами естественного отбора, 1992; Лоуренс Фогель: Эволюционное вычисление – направление новой философии в машинном интеллекте, 1995).

      В 1990-х годах продолжает развиваться теория нечётких множеств. Одним из основных направлений развития становится их интеграция с нейронными сетями (Барт Коско: Нейронные сети и нечеткие системы, 1992; Нечёткое мышление, 1993; Нечеткая инженерия, 1996; Лофти Заде: Нечёткие множества, нейронные сети и мягкие вычисления, 1994; Вычисления при помощи слов, 1996).

      В 2007 в университете Торонто Джеффри Хинтон разработал эффективные алгоритмы глубокого обучения многослойных нейронных сетей. В настоящее время алгоритмы глубокого обучения используются поисковыми системами и практически во всех цифровых фотоаппаратах при реализации функции поиска лиц людей, а также во многих других приложениях.

      Таким образом, исторически разработки в области ИИ велись в двух основных направлениях:

      – первое направление связано с попытками разработки интеллектуальных машин путем моделирования их биологического прототипа – человеческого мозга. Сейчас это направление возрождается на основе развития современных аппаратных и программных средств (микрочипы на основе нечёткой логики, распределенные многопроцессорные системы, многоагентные системы, мягкие вычисления, генетические алгоритмы и нейронные сети и т.д.).

      – второе СКАЧАТЬ